REGRESI LINEAR SEDERHANA

• Menyatakan hubungan fungsional antara variabel

bergantung dan variabel prediktor (faktor/ indikator/
var.bebas)

• Variabel bebas adalah variabel yang

mempengaruhi variabel bergantung

• Variabel bergantung adalah variabel yang

dipengaruhi variabel bebas
•Jika kita hanya memperhatikan satu variabel bebas, maka
dikatakan kita melakukan analisis regresi sederhana.

• Jika ada beberapa variabel bebas yang diperhatikan, maka

dikatakan kita melakukan analisis regresi berganda.
M O D E L G A R IS R E G R E S I

Y    X 
Y : d ep en d en t V a ria b le
 : in t ercep t
 : slo p e
 : erro r
Taksiran garis regresi dapat dituliskan sebagai persamaan garis
lurus :
ˆ
Y  a  bX
a adalah taksiran dari  yang menyatakan intercept atau
perpotongan garis dengan sumbu y.

b adalah taksiran dari β yang menyatakan gradien atau kemiringan

garis.

Yˆadalah nilai taksiran untuk Y yang dihasilkan garis regresi untuk

nilai x tertentu.

Jika nilai a dan b dapat ditentukan maka persamaan garis regresi

tersebut tertentu pula.
 Dengan metode kuadrat terkecil didapat :

n n n
  
n  xi yi    xi    yi 
b 1  1   1 
n n 2
2  
n  xi    xi 
1  1 
a  y b x
CONTOH
Akan dilakukan analisis regresi untuk mengetahui hubungan
antara variabel Penjualan (sale) dengan Biaya Promosi.

 Dalam contoh ini, penjualan (sale) dianggap sebagai variabel

respon (Y) dan biaya promosi dianggap sebagai variabel
bebas (X).
Model :
2
Y     X   ; dim ana  ~ NID ( 0 ,  )
Taksiran mod el ( persamaan regresi )
Yˆ  a  bX , dim ana :
n
 n  n 
n  xi yi    xi    yi 
b 1  1   1 
n n 2
2  
n  xi    xi 
1  1 
a  y b x
PERUSAHAAN PROMOSI PENJUALAN XY X^2 Y^2
A 312 432876 135057312 97344 1.87382E+11
B 211 409876 86483836 44521 1.67998E+11
C 435 786543 342146205 189225 6.1865E+11
D 657 765678 503050446 431649 5.86263E+11
E 814 908765 739734710 662596 8.25854E+11
F 268 543678 145705704 71824 2.95586E+11
G 428 312635 133807780 183184 97740643225
H 561 564324 316585764 314721 3.18462E+11
I 143 132459 18941637 20449 17545386681
J 543 810982 440363226 294849 6.57692E+11
K 512 547657 280400384 262144 2.99928E+11
L 289 543766 157148374 83521 2.95681E+11
M 391 217387 84998317 152881 47257107769
N 670 435432 291739440 448900 1.89601E+11
O 543 213510 115935930 294849 45586520100
P 341 223498 76212818 116281 49951356004
Q 276 653871 180468396 76176 4.27547E+11
R 623 702534 437678682 388129 4.93554E+11
S 276 812657 224293332 76176 6.60411E+11
T 734 543690 399068460 538756 2.95599E+11
U 543 871432 473187576 294849 7.59394E+11
V 243 381580 92723940 59049 1.45603E+11
W 587 587147 344655289 344569 3.44742E+11
X 432 650912 281193984 186624 4.23686E+11
Y 543 776459 421617237 294849 6.02889E+11
JUMLAH 11375 13829348 6723198779 5928115 8.8546E+12
r = 0.452538467
 PERUSAHAAN PROMOSI PENJUALAN XY X^2 Y^2 ARTI:
A 312 432876 135057312 97344 1.87382E+11
B 211 409876 86483836 44521 1.67998E+11
C 435 786543 342146205 189225 6.1865E+11 • Jika promosi = 0 maka harga
D 657 765678 503050446 431649 5.86263E+11
E 814 908765 739734710 662596 8.25854E+11 penjualan adalah sebesar
F 268 543678 145705704 71824 2.95586E+11
G
H
428
561
312635
564324
133807780
316585764
183184
314721
97740643225
3.18462E+11
292659.2623
I 143 132459 18941637 20449 17545386681

K
J 543
512
810982
547657
440363226
280400384
294849
262144
6.57692E+11
2.99928E+11
• Jika promosi bertambah 1
M
L 289
391
543766
217387
157148374
84998317
83521
152881
2.95681E+11
47257107769
satuan maka harga penjualan
N
O
670
543
435432
213510
291739440
115935930
448900
294849
1.89601E+11
45586520100
bertambah 572.5596872
P
Q
341
276
223498
653871
76212818
180468396
116281
76176
49951356004
4.27547E+11
satuan
R 623 702534 437678682 388129 4.93554E+11
S 276 812657 224293332 76176 6.60411E+11
T 734 543690 399068460 538756 2.95599E+11
U 543 871432 473187576 294849 7.59394E+11
V 243 381580 92723940 59049 1.45603E+11
W 587 587147 344655289 344569 3.44742E+11
X 432 650912 281193984 186624 4.23686E+11
Y 543 776459 421617237 294849 6.02889E+11
JUMLAH 11375 13829348 6723198779 5928115 8.8546E+12
b = 572.5596872 Rata-rata 455 553173.92
a = 553173.92 – (572.5596872)(455) = 292659.2623

MODEL:
Yˆ  292659.2623  572.5596872 X
P e n g u jia n K o e fis ie n R e g r e s i
H o :   0 ( X tid a k m e m p e n g a r u h i Y )
H 1 :   0
T e n tu k a n 
S ta tis tik U ji :
s x n  1 (b )
T  ~ t n  2
s e
d im a n a :
n n 2

2 
2
n 
i  1
x   
i
 i1
x i 

s x 
n n  1 
n  1
s e
2

n  2
s 2
y  b 2
s 2
x 
n n 2

2 
2
n 
i  1
y   
i
 i1
y i 

s y 
n n  1 
 2
s x  2 5 .7 1
2
s y  0 .5 2
s e2  0 . 1 7 2

Yˆ  2 . 5 7 2  0 . 1 2 2 X

T   3 . 3 2 5 ~ t 0 .0 2 5 ; 4
T   3 .3 2 5   2 .7 7 6
H 0 d ito la k

X m em pengaruhi Y
LATIHAN 1
Data di bawah ini menyatakan kadar raksa dan jarak dari polarograf
dalam suatu percobaan kimia
a. Carilah koefisien regresi
Jarak (meter) Kadar Raksa(mg/ml) antara jarak dan kadar
raksa.
1.4 2.4 b. Ujilah apakah koefisien
korelasi tersebut = 0
3.8 2.5 atau tidak?
c. Carilah persamaan
7.5 1.3 regresi dan artikan.
d. Dari persamaan regresi
10.2 1.3 yang anda temukan pada
butir c, berapakah kadar
raksa yangakan anda
11.7 0.7 peroleh jika jarak 8 meter
dari polalograf?
15 1.2
LATIHAN 2
Kadar emas (%) dalam contoh air laut ditentukan dengan menggunakan spektometri serapan
atom dengan penambahan bakuan (mg/ml. Didapat data sebagai berikut

Bakuan (mg/ml) Kadar Emas (%)

0 25.7 a. Carilah koefisien regresi antara

bakuan dan kadar emas
10 31.4 b. Ujilah apakah koefisien korelasi
20 36.4 tersebut = 0 atau tidak?
c. Carilah persamaan regresi dan
30 41.3
artikan.
40 42.1 d. Dari persamaan regresi yang
anda temukan pada butir c,
25 33.8
berapakah kadar raksa yangakan
20 45.1 anda peroleh jika jarak 45 meter
dari polalograf?
35 38.7

50 41.8
LATIHAN 3
Penentuan sulfida dari bakteri pereduksi sulfat dilakukan denganncara ISE dan
dengan cara gravimetri. Data yang didapat adalah sebagai beikut :
1 2 3 4 5 6 7 8
ISE 108 12 152 3 106 128 160 126
GRAVIMETRI 105 16 113 0 108 141 182 118

a. Adakah kecocokan antara pengukuran dengan ISE dan

Gravimetri?
b. Jika ukuran dengan ISE didapat hasil 100, untuk pengamatan
yang sama berapakah hasilnya jika digunakan cara gravimetri?
PEMERIKSAAN ASUMSI
S e m u a a s u m s i d ip e n u h i
MULTIPLE REGRESSION
 Ingin diketahui hubungan umur dan banyak
uang saku terhadap nilai

Data:
Umur Uang Saku Nilai
37 500 77
40 350 89
20 400 79
12 250 90
35 550 70
M o d e l R e g r e s i :
Y   0   1 X 1   2 X 2  
Y : n i l a i
X 1 :U m u r
X 2 :U a n g s a k u
 : e r r o r
2
A s u m s i :  ~ N I D ( 0 ,  )
Yˆ  b 0  b 1 X 1  b2 X 2

7 7  b 0  b1 ( 3 7 )  b 2 ( 5 0 0 )
8 9  b 0  b1 ( 4 0 )  b 2 ( 3 5 0 )
7 9  b 0  b1 ( 2 0 )  b 2 ( 4 0 0 )
9 0  b 0  b 1 (1 2 )  b 2 ( 2 5 0 )
7 0  b 0  b1 ( 3 5 )  b 2 ( 5 5 0 )
 77  1 17 500 
   
 89   1 25 350  b0 
 6 7   1 20 400  b 
     1 
 74  1 12 250   b 2 
 9 0   1 35 5 5 0 
  
Y  X B

X 'Y  ( X ' X ) B
B  ( X ' X ) 1 ( X 'Y )
Nilai = 107.714 + 0.293 Umur – 0.086 Uang Saku
H o : M o d e l tid a k c o c o k
1   2  3  0
H 1 : tid a k d e m ik ia n
P ilih   0 .1 0
S ig  0 .0 0 9  0 .1  H o d ito la k
M odel C ocok
H o : u m u r tid a k m e m p e n g a r u h i N ila i
H 1 : u m u r m e m p e n g a r u h i N ila i
  0 .1 0
S ig  0 .0 4 2  0 .1  H o d ito la k
U m u r m e m p e n g a r u h i N ila i

H o : u a n g s a k u tid a k m e m p e n g a r u h i N ila i
H 1 : u a n g s a k u m e m p e n g a r u h i N ila i
  0 .1 0
S ig  0 .0 0 5  0 .1  H o d ito la k
U a n g s a k u m e m p e n g a r u h i N ila i
PEMERIKSAAN ASUMSI
1) A s u m s i e r r o r  Id e m s i m p le r e g r e s s io n

2
2 ) M o d e l te p a t  R besa r

3 ) T id a k a d a A u to k o r e la s i
(e r r o r s a lin g b e b a s )
D ip e r ik s a d e n g a n k o e fis ie n D u r b in W a ts o n
J ik a D W  2  tid a k a d a A u to k o r e la s i

4 ) T id a k a d a M u ltik o lin ie r ita s

( a n ta r v a r ia b e l b e b a s s a lin g b e b a s )
D i p e r i k s a d e n g a n V I F (V a r i a n c e I n f l a t i o n F a c t o r )
J ik a V IF  1 0  a d a m u ltik o lin ie r ita s
R^2 = 0.981  Model Cocok

Durbin-Watson = 1.605  tidak ada autokorelasi

VIF = 1.691 < 10  tidak ada multikolinieritas
REGRESI DENGAN VARIABEL DUMMY

Misalkan Y variabel dependent kontinu

X1 variabel kontinu
X2 variabel katagorik dengan 3 katagori (missal <=SMA, S1,
S2)
Akan dicari pengaruh X1 dan X2 terhadap Y

Buat variabel dummy untuk variabel kategorik sebanyak k-1

dimana k adalah banyaknya katagori, dalam hal ini k = 3
maka akan dibuat 2 variabel dummy, sebut D1 dan D2

Pilih kategori standar D1= 0 dan D2 = 0 (SMA)

Kategori 1  D1=1 dan D2 = 0 (S1)
Kategori 2  D1=0 dan D2 = 1 (S2)
Y     X 1   D1   D2  
0 1 21 22

Jika D1  D2  0  Y1     X 1   (kategori s tan dar )

0 1

Jika D1  1 dan D2  0  Y2     X 1    
0 1 21

Y2  Y1    Jadi  adalah selisihY kategori 1 dan kategori s tan dar

21 21

Jadi  adalah selisihY kategori 2 dan kategori s tan dar

22